云相似度测量的变分模态分解去噪方法

吉林大学学报(信息科学版) ›› 2020, Vol. 38 ›› Issue (1): 9-17.

云相似度测量的变分模态分解去噪方法

周怡娜^a，b，路敬祎^a，董宏丽^a，b，张勇^c

东北石油大学a．电气信息工程学院; b．黑龙江省网络化与智能控制重点实验室; c．电子科学学院，黑龙江大庆163318

收稿日期:2019-07-19 出版日期:2020-01-20 发布日期:2020-02-17
作者简介:周怡娜( 1989— ) ，女，黑龙江大庆人，东北石油大学博士研究生，主要从事深度学习与长输管道泄漏检测技术研究， ( Tel) 86-15164566748( E-mail) 1182090720@ qq． com; 通讯作者: 路敬祎( 1977— ) ，男，黑龙江肇州人，东北石油大学副教授，硕士生导师，主要从事信号检测和声学信号处理研究，( Tel) 86-18745977959( E-mail) ljywdm@126． com。
基金资助:
国家自然科学基金资助项目( 61873058; 61933007; NSFC 51575407) ; 黑龙江省自然科学基金资助项目( ZD2019F001;
F2018005) ; 中国博士后基金资助项目( 2017M621242) ; 中国石油科技创新基金资助项目( 2018D-5007-0302) ; 东北石油大
学青年科学基金资助项目( 2018QNL-33 ) ; 冶金装备及其控制教育部重点实验室基金资助项目( MECOF2019B01;
MECOF2019B02)

VMD De-Noising Method Based on Cloud Similarity Measurement

ZHOU Yina^a，b，LU Jingyi^a，DONG Hongli^a，b，ZHANG Yong^c

a． School of Electrical Engineering and Information; b． Heilongjiang Provincial Key Laboratory of Networking and Intelligent Control;
c． School of Electronic Science and Technology，Northeast Petroleum University，Daqing 163318，China

Received:2019-07-19 Online:2020-01-20 Published:2020-02-17

摘要/Abstract

摘要： 为区分VMD( Variational Mode Decomposition) 分解后高低频段模态分量，提高VMD 算法的去噪效果，
提出一种基于云相似度测量的VMD 去噪方法。首先，对信号进行VMD 分解，通过计算各个模态分量与信号之
间的云相似度值，区分有效分量与噪声分量，然后对噪声分量进行小波滤波，最后将滤波后的分量与有效分量
进行重构。通过仿真和实际实验，将提出的去噪法与基于相关系数的VMD 去噪法和基于互信息的VMD 去噪
法对噪声信号进行处理，该方法去噪后所得信号信噪比相对较高，为28． 214 1 dB，均方误差相对较低，为
6． 12 × 104 ，验证了该方法去噪效果的优越性和对油气管道泄漏信号去噪的可行性。

关键词: 云相似度, 变分模态分解, 信号去噪

Abstract: In order to distinguish the high frequency and low frequency modal components after VMD
( Variational Mode Decomposition) decomposition and improve the de-noising performance of VMD algorithm，a
de-noising method based on cloud similarity measurement is proposed． Firstly，the signal is decomposed by
VMD． The effective component and the noisy component are distinguished by calculating the cloud similarity
between each modal component and the signal． Then the noisy component is filtered by wavelet transform．
Finally，the denoised mode components and the effective component are reconstructed． Through simulation and
practical experiments，the proposed denoising method，VMD denoising method based on correlation coefficient
and VMD denoising method based on mutual information are used to process the noise signal． The SNＲ ( Signalto-
Noise Ｒatio) obtained by the proposed method is relatively high，which is 28． 214 1 dB． The mean square
error is relatively low，which is 6． 12 × 104，which verifies the superiority of the proposed method and the
feasibility of denoising the leakage signal of oil and gas pipelines．

Key words: cloud similarity, variational mode decomposition, signal de-noising

中图分类号:

TN911． 72

周怡娜, 路敬祎, 董宏丽, 张勇. 云相似度测量的变分模态分解去噪方法[J]. 吉林大学学报(信息科学版), 2020, 38(1): 9-17.

ZHOU Yina, LU Jingyi, DONG Hongli, ZHANG Yong. VMD De-Noising Method Based on Cloud Similarity Measurement[J]. Journal of Jilin University (Information Science Edition), 2020, 38(1): 9-17.

[1]	高宏宇, 马立园, 董宏丽, 路敬祎, 刘文庆. 基于2D-VMD 与CC 结合的模态重构算法[J]. 吉林大学学报(信息科学版), 2019, 37(6): 603-609.
[2]	刘霞, 李文. 基于变分模态分解的相关能量熵自适应阈值去噪[J]. 吉林大学学报(信息科学版), 2019, 37(5): 518-525.
[3]	梁洪卫, 刘冬冬, 阚玲玲, 高丙坤, 邹岱峰. 基于VMD改进算法的气体管道泄漏检测[J]. 吉林大学学报(信息科学版), 2019, 37(5): 490-496.